从 imdb 检索信息时出现问题

Question

我正在尝试从 imdb 监视列表中获取电影名称。这是我的代码：

import requests, bs4
res = requests.get(url)
res.raise_for_status()
soup = bs4.BeautifulSoup(res.text, "html.parser")
print(soup.find_all('.lister-item-header'))

即使“.lister-item-header”存在于 chrome 开发人员控制台中，但它不存在于请求模块下载的 html 文件中。我也试过使用正则表达式。检索标题的最佳方法是什么？

Answer 1

你应该 select 元素以这种方式 class。

import requests
import bs4

url = 'http://www.imdb.com/chart/top'
res = requests.get(url)
res.raise_for_status()
soup = bs4.BeautifulSoup(res.text, "html.parser")
rows = soup.select('.titleColumn > a')

for row in rows:
    print(row.text)

或者你也可以这样做：

import requests
import bs4

url = 'http://www.imdb.com/chart/top'
res = requests.get(url)
res.raise_for_status()
soup = bs4.BeautifulSoup(res.text, "html.parser")
rows = soup.find_all('td', class_='titleColumn')

for row in rows:
    print(row.a.text)

数据是从嵌入原始 html 文件的 json object 加载的，因此我们可以解析它并获取标题。

import requests
import bs4 
import json

url = 'http://www.imdb.com/user/ur69187878/watchlist?ref_=wt_nv_wl‌_all_1' 
res = requests.get(url) 
res.raise_for_status() 
soup = bs4.BeautifulSoup(res.text, "html.parser") 
# rows = soup.find_all('h3', class_='list-item-header') 
js_elements = soup.find_all('script')
js_text = None
search_str = 'IMDbReactInitialState.push('

for element in js_elements:
    text = element.text
    if search_str in text:
        js_text = text.strip()
        break

json_start = js_text.index(search_str) + len(search_str)
json_text = js_text[json_start:-2]
json_obj = json.loads(js_text[json_start:-2])

for title in json_obj['titles']:
    json_title = json_obj['titles'][title]
    print(json_title['primary']['title'])

但我不得不说这不是解决此类问题的通用方法，如果您想为所有从 json 或 api 加载数据的页面提供通用解决方案，您可以使用其他一些方式，例如 Selenium.

从 imdb 检索信息时出现问题

Problems retrieving information from imdb

python

beautifulsoup

python-requests

imdb